买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉天津大学;山东广域科技有限责任公司申请的专利油井产液状态智能实时监测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119760358B 。

龙图腾网通过国家知识产权局官网在2025-10-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411955065.1，技术领域涉及：G06F18/20；该发明授权油井产液状态智能实时监测方法是由高忠科;李梦宇;于嵩;王睿奇;李伟;陈博;崔晓枫设计研发完成，并于2024-12-27向国家知识产权局提交的专利申请。

本油井产液状态智能实时监测方法在说明书摘要公布了：本发明公开了一种油井产液状态智能实时监测方法，包括：S1，获得待预测样本；S2，使用训练完毕的OilWellNet网络，对待预测样本进行预测，得到该待预测样本的预测结果和含水率预测值。OilWellNet网络包括：示功图工况判断网络和多工况含水率预测网络，示功图工况判断网络包括：先后依次连接的卷积层模块、池化层和全连接层，多工况含水率预测网络包括：特征编码层、多尺度池化层、动态划分层、特征融合层和参数预测层。本发明的油井产液状态智能实时监测方法通过训练完毕的OilWellNet网络，针对不同工作状态下的变化做出实时响应，从而优化油井生产过程中的管理与决策，精准预测油井的含水率。

本发明授权油井产液状态智能实时监测方法在权利要求书中公布了：1.一种油井产液状态智能实时监测方法，其特征在于，包括： S1，获得待预测样本，待预测样本包括：在T′时刻采集的泵示功图图像以及在T′-t～T′时间段内的标准化后微波差频信号； S2，使用训练完毕的OilWellNet网络，对待预测样本进行预测，得到该待预测样本的预测结果和含水率预测值； OilWellNet网络，包括：示功图工况判断网络和多工况含水率预测网络，OilWellNet网络输入的每个样本包括：在T时刻采集的泵示功图图像以及在T-t～T时间段内的标准化后微波差频信号，标准化后微波差频信号为对微波差频信号标准化后获得；T为采集时刻； 示功图工况判断网络包括：先后依次连接的卷积层模块、池化层和全连接层，卷积层模块用于输入样本的泵示功图图像并提取泵示功图图像的不同尺度的局部特征，卷积层模块输出特征X1； 池化层用于输入特征X1、输出特征X2； 全连接层输入特征X2、输出预测结果，预测结果用于预测油井的工况，工况为供液充足、供液不足、稠油热采、气体影响或漏失影响； 多工况含水率预测网络为供液充足含水率预测网络、供液不足含水率预测网络、稠油热采含水率预测网络、气体影响含水率预测网络或漏失影响含水率预测网络； 根据示功图工况判断网络的预测结果选择多工况含水率预测网络：当预测结果为供液充足时，多工况含水率预测网络为供液充足含水率预测网络；当预测结果为供液不足时，多工况含水率预测网络为供液不足含水率预测网络；当预测结果为稠油热采时，多工况含水率预测网络为稠油热采含水率预测网络；当预测结果为气体影响时，多工况含水率预测网络为气体影响含水率预测网络；当预测结果为漏失影响时，多工况含水率预测网络为漏失影响含水率预测网络； 供液充足含水率预测网络、供液不足含水率预测网络、稠油热采含水率预测网络、气体影响含水率预测网络或漏失影响含水率预测网络的结构相同，每个多工况含水率预测网络包括：特征编码层、多尺度池化层、动态划分层、特征融合层和参数预测层； 特征编码层包括：三个卷积核大小不同的卷积层和非线性激活函数ReLU，特征编码层中三个卷积层的输入相同，特征编码层中每个卷积层用于输入样本的标准化微波差频信号，特征编码层中三个卷积层的输出为特征X3、特征X4和特征X5； 非线性激活函数ReLU的输入为特征X3、特征X4和特征X5，非线性激活函数ReLU得到输出X3、输出X4和输出X5； 多尺度池化层使用金字塔池化方法对输出X3、输出X4和输出X5进行特征聚合，得到特征X6； 动态划分层将特征X6划分为多个补丁并将每个补丁映射到dmodel维，得到多个补丁特征； 特征融合层采用多层感知机MLP将多个补丁特征进行高阶特征提取并融合，得到特征X7； 参数预测层采用Sigmoid激活函数对特征X7进行非线性变换，输出含水率预测值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人天津大学;山东广域科技有限责任公司，其通讯地址为：300072 天津市南开区卫津路92号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。